2

我是 Keras 的新手，我创建了自己的带有形状的 tf_idf 句子嵌入（no_sentences，embedding_dim）。我正在尝试将此矩阵作为输入添加到 LSTM 层。我的网络看起来像这样：

q1_tfidf = Input(name='q1_tfidf', shape=(max_sent, 300))
q2_tfidf = Input(name='q2_tfidf', shape=(max_sent, 300))

q1_tfidf = LSTM(100)(q1_tfidf)
q2_tfidf = LSTM(100)(q2_tfidf)
distance2 = Lambda(preprocessing.exponent_neg_manhattan_distance, output_shape=preprocessing.get_shape)(
        [q1_tfidf, q2_tfidf])

我正在为应该如何塑造矩阵而苦苦挣扎。我收到此错误：

ValueError: Error when checking input: expected q1_tfidf to have 3 dimensions, but got array with shape (384348, 300)

我已经检查了这篇文章：Sentence Embedding Keras，但仍然无法弄清楚。好像我错过了一些明显的东西。

知道怎么做吗？

4

1 回答 1

1

好的，据我了解，您想预测两个句子之间的差异。重用 LSTM 层怎么样（语言模型应该是一样的），只学习一个句子嵌入并使用两次：

q1_tfidf = Input(name='q1_tfidf', shape=(max_sent, 300))
q2_tfidf = Input(name='q2_tfidf', shape=(max_sent, 300))

lstm = LSTM(100)

lstm_out_q1= lstm (q1_tfidf)
lstm_out_q2= lstm (q2_tfidf)
predict = concatenate([lstm_out_q1, lstm_out_q2])
model = Model(inputs=[q1_tfidf ,q1_tfidf ], outputs=predict)

predict = concatenate([q1_tfidf , q2_tfidf])

您还可以在额外的 lambda 层中引入您的自定义距离，但因此您需要在连接中使用不同的重塑。

于 2018-10-08T16:24:52.060 回答